人工智能设备帮助我们领先COVID-19一步

在最近的福布斯文章中AI如何帮助对抗冠状病毒，贡献者Jun Wu描述了如何Bluedot.该公司使用人工智能算法、机器学习和自然语言处理来警告人们冠状病毒将如何传播以及在哪里传播。

除夕夜，该公司正确警告客户避开中国武汉，武汉即将成为新冠肺炎疫情的第一个震中。基于航空公司航线和已知旅行路线的输入，BlueDot还能够预测出疫情的轨迹。

BlueDot的Insights功能根据量化数据向用户发送感染疾病风险的实时警报。使用的图像礼貌Bluedot.

人工智能可以帮助绘制疫情的走向，并为流行病学家提供新冠病毒下一次将在何处和何时传播的建议。它也在mcu上实现，允许主机设备在本地做出决策，消除了将决策延迟到基于云的处理器所带来的不可避免的延迟。

鉴于目前的重点是技术如何对COVID-19产生影响，或许有必要重新审视一下哪些处于边缘的人工智能技术是新近可用的。

人工智能和医疗

AI ATOP分析了世界上最复杂的问题的超级计算机，它还驻留在远程MCU上，决定机器人的下一步移动或分析从传感器获得的信息。

机器符合物理世界的临界空间被称为“边缘”。您可能会设想边缘作为精密装置实现7纳米集成电路迹线的地方。边缘的AI是指直接在设备上发生的机器学习而不是本地服务器。将信息发送到远程，基于云的处理器进行分析可能需要太长，在云基础设施上过于省电，并且花费太多。

一篇发表在《未来医疗保健杂志》上的文章描述了人工智能和相关技术快速成为主流医学的一部分的多种方式。例如，机器学习已经被用于根据症状和统计数据来识别治疗方案。

在很多情况下，基于人工智能的手术机器人可以在显微镜下完成任何人手都不可能完成的手术操作。但要实现这一水平的技术，即机器与物理世界直接交互，就需要在直接控制物理机器的微处理器上安装AI。

我们最近覆盖的一个例子是Arm将机器学习和神经处理IP添加到其人工智能平台。ARM的MPU是全世界无数电子设备的核心。没有人能够影响AI从远程，基于云的服务器的迁移到边缘的位置，其中可以在设备操作的Nexus下进行决策。

以下是最近可能最终滴入医疗球体的边缘AI最近的一些示例。请注意，这些公司都不明确地将大流行预测或医疗保健协助视为用例。但随着Covid-19案件的压倒性，这项新技术可能会用于那个结束吗？

Ceva的Whispro将AI整合到流行的核心中

塞瓦里WhisPro语音识别软件在公司的运行中运行CEVA-BX DSP核心。CEVA-BX DSP系列是可编程混合DSP /控制器，采用11级管道和5路VLIW（非常长的指令字）微型架构。它们提供了双标标量计算引擎的并行处理。

CEVA-BX DSP核心框图。使用的图像礼貌塞瓦

CEVA宣布这种强大的对现在可以支持TensorFlow Lite的微控制器。有了这种现在无处不在的格式，AI模型可以从现成的模型中选择，也可以由用户开发，转换为在CEVA-BX上运行，部署和优化。

埃雷斯巴尔·尼弗（Erez Bar-niv）CEVA的首席技术官表示：“对设备上的越来越多的需求，即增加上下文意识和对话AI工作负载对智能设备的成本，性能和功率效率构成了新的挑战。微控制器的Tensorflow Lite通过提供精益框架来部署资源受限处理器上的机器学习模型，大大简化了这些设备的开发。“

他继续“全面优化这一框架，为我们的Ceva-BX DSP和我们的Whispro语音识别模型，我们正在降低SoC公司和OEM的入口障碍，为他们的设备增加智能感应。”

SolidRun和Gyrfalcon在AI推理服务器上组队

据SolidRun首席执行官Atai Ziv博士介绍，市场饱和了新的AI模型，要求AI推断解决方案。“虽然基于GPU的推理服务器已经看到了基于云的应用的显着牵引力，但对边缘优化解决方案的需求越来越需要，提供强大的AI推断，而不是基于云的解决方案的延迟，”ZIV解释说。

为了解决与功耗、成本和服务器地产相关的边缘人工智能问题，边缘计算解决方案提供商SolidRun和ASIC提供商Gyrfalcon Technology Inc.合作开发了一款“边缘优化”的基于arm的人工智能推理服务器Janux GS31.。该具有Gyrfalcon的LightSpeeur 2803S神经加速器芯片的AI推理服务器旨在支持现代神经网络框架，低延迟解码和视频分析。

Janux GS31的框图。使用的图像礼貌solidrun.

这些系统适用于使用外部AI服务器的AI应用程序，但引用远程云的服务器施加的延迟损失将是令人未决的。两家公司预见到这种技术，用于监控智能城市（包括智能医院）和其他基础设施。

Brainchip和Socionext在AI Edge平台上双倍下来

Brainchip和Socionext是另外两家公司合作为AI Edge应用程序提供AI平台。Brainchip开发了一个神经网络处理器对于“本地推理和增量学习”，而Socoonext和Brainchip将他们的头枕在一起Akida SoC。BrainChip还为Akida SoC提供了技术支持和培训，包括网络仿真(使用Akida开发环境）和FPGA仿真。

秋田神经形态SoC的方框图。使用的图像礼貌脑壳

Socionext最近富有努力通过新的边缘计算设备，避免了云计算的缺陷， 包括SYNQUACER SC2A11.。

两家公司计划将Brainchip的Akida SoC与Socionext的多核处理器，Sysquacer SC2A11集成，用于“高速，高密度，低功耗系统，以在监控系统中进行图像和视频分析，识别，识别和分段，即Live-Streaming等视频应用程序。“

人工智能能否应对冠状病毒挑战?

虽然这些合作没有明确引用大流行预测，作为其技术的最终目标，但他们的创新有数百种用案例，可能最终直接影响医疗保健行业。AI在边缘的角色将在医学中的许多级别是无限的。

在宏观层面上，论文的作者医疗保健人工智能潜力解释说，人工智能可以预测和跟踪流行病，并帮助医生进行诊断和治疗。它还可以为无数智能设备供电，从通风设备到诊断设备。而且，正如所描述的，它可以作为外科医生信赖的假肢背后的智能。

在未来，Covid-19患者的需求可能超过任何可想象数量的护士，医生和助手的能力。因此，可以容易地预期AI-Empowered的出现，患者护理机器人设备也可以预期。

---

您对AI在医疗保健中的越来越大的作用是什么 - 特别是由于在Covid-19危机期间的医疗专业人士在短时间内运行？在下面的评论中分享您的想法。